最新Nature:基于單層半導體材料可實現“存算一體”器件設計

【引言】

基于機器學習而開發的應用正日益體現出其重要性，同時也驅動著對發展專用、節能電子硬件的需求。與將處理和存儲單元分隔的馮諾依曼結構體系不同，腦仿生內存計算能夠在同一基礎器件結構中實現邏輯運行和數據存儲，從而有望顯著降低計算的能量消耗。盡管目前有大量的研究專注于探索器件結構，但構建可用于上述器件設計的理想材料平臺依然困難重重。

【成果簡介】

針對這一問題，洛桑聯邦理工學院的Andras Kis（通訊作者）團隊研究探索了大面積二硫化鉬作為活性通道材料用于發展邏輯內存（logic-in-memory）器件和電路的可能性。研究利用單層二硫化鉬通道構成電導可被精準連續調控的浮柵場效應管（FGFETs），利用這些FGFETs作為構建模塊可設計制造利用存儲單元即可直接完成邏輯運算的邏輯電路。實驗證明，這一器件設計策略能夠完成復雜的可程序化邏輯和一系列運算，表明原子級厚度半導體材料在發展下一代低功率電子器件方面具有潛在的應用價值。2020年11月04日，相關成果以題為“Logic-in-memory based on an atomically thin semiconductor”的文章在線發表在Nature上。

【圖文導讀】

圖1內存器件的結構

圖2 非易失性存儲表征

圖3基于二硫化鉬存儲單元的可程序化逆變器（inverter）

圖4 邏輯內存

文獻鏈接：Logic-in-memory based on an atomically thin semiconductor（Nature, 2020, DOI: 10.1038/s41586-020-2861-0）

本文由材料人學術組NanoCJ供稿。

材料牛網專注于跟蹤材料領域科技及行業進展，歡迎大家到材料人宣傳科技成果并對文獻進行深入解讀，投稿郵箱tougao@cailiaoren.com。